Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces
本文提出了一种逆向心理理论（IToM）流水线，该流水线利用大语言模型驱动的反事实推理和溯因推理，从浏览交互中重建用户信念并生成结构化人格，证明了其在预测用户特征方面的卓越准确性，并能在包括 VisionOS 在内的各类应用中实现动态、模态无关的内容推荐。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图猜你的朋友晚餐想吃什么。如果你只看到他们点击了一次披萨广告，你可能会想：“啊哈！他们热爱披萨！”但如果他们只是在比较价格呢？或者他们可能是在为别人挑选礼物？在计算机的世界里，这就是我们构建“推荐系统”时面临的大问题。这些系统是那些向你推荐电影、歌曲或产品的智能算法。传统上，它们就像一个只负责统计你点击了多少次按钮的统计学家。它们看到了行为（点击），却不理解行为背后的“为什么”。它们不知道你点击是因为你喜欢这个物品，是因为你感到无聊，还是因为你被搞糊涂了。
为了解决这个问题，科学家们开始研究心理学中的一个概念，叫做“心智理论”（Theory of Mind）。把这想象成一种能够想象他人脑中正在发生什么的能力——他们的信念、目标和秘密。通常，计算机试图利用这一点来预测你根据其认为你想要的东西，下一步会做什么。但这篇论文颠覆了这一逻辑。它提出了一个问题：如果我们能倒过来思考呢？如果我们不只是猜测未来，而是通过观察你过去的点击行为，进行一种“逆向侦探工作”，从而弄清楚你究竟是一个怎样的人呢？这就是核心思想：将杂乱无章的日常数字足迹，转化为一个关于个人性格的丰富且可理解的故事，而无需向他们询问任何调查问卷。
这项研究背后的研究人员来自摩根大通（JPMorgan Chase），他们提出了一种名为“逆向心智理论”（Inverse Theory of Mind，简称 IToM）的新方法。把它想象成一家数字侦探社。系统不仅仅记录你点击了一双跑步鞋，它还会问：“好吧，当你点击时，屏幕上出现了什么？还有哪些其他的鞋子？为什么你选择了这些而不是其他的？”通过重建决策的精确瞬间，该系统使用一种强大的人工智能（大语言模型）进行逆向推理。它会生成一系列解释你行为的“信念”，例如：“这个人看重耐用性而非款式，”或者“他们是一个在购买前会仔细阅读评论的谨慎研究者。”
奇迹发生在这里：系统并不仅仅选择一个猜测。它知道人类的行为是复杂的。也许你买这双鞋是因为你热爱跑步，或者也许是因为它们在打折，而你正好需要一份礼物。为了处理这种不确定性，AI 创建了多个不同版本的性格画像，就像一个侦探团队，每个人都提出了不同的理论。然后，它会将所有这些理论仔细地加权整合。如果证据充分，它会倾向于某个特定的理论；如果证据薄弱，它就会采取稳妥的做法，倾向于对大多数人普遍适用的规律。这防止了 AI 做出荒谬的刻板印象猜测（比如假设每个谨慎的购物者都是焦虑的内向者）。
团队使用了一个特殊的亚马逊购物环节数据集测试了这个想法，该数据集不仅包含了点击行为，还包含了人们实际看到的页面，以及至关重要的、购物者实际参加过的访谈和性格测试。他们发现，他们的“逆向侦探”人格画像表现得非常出色。事实上，在某些测试中，AI 对用户性格的猜测与用户实际参加的性格测试结果一样好，甚至更好。他们证明了这些 AI 生成的画像可以预测用户的下一步行为、他们会喜欢哪类产品，甚至预测他们会对有关购物习惯的问题如何回答。
或许最令人兴奋的部分在于，这些画像不仅仅是隐藏在计算机里的数字。它们是用通俗易懂的人类语言编写的。这意味着计算机可以利用从二维网页浏览中构建出的画像，去设计一个用于未来主义头显（如 Apple Vision Pro）的三维界面。例如，如果 AI 判定你是一个“预算有限的规划者”，它可以自动调整一个三维银行应用，将你的储蓄目标放在最显眼的位置，同时隐藏花哨的投资邀约。这篇论文表明，这种方法弥合了简单的点击追踪与深层人类理解之间的鸿沟，提供了一种构建更智能、更具同理心的交互界面的方式，使其能够适应“我们是谁”，而不仅仅是“我们点击了什么”。然而，作者也谨慎地指出，虽然结果令人鼓舞，但该系统仍有局限性；它在处理大量数据时表现最好，有时在完美预测极端性格特征方面仍有困难，这表明虽然这个“逆向侦探”已经做得相当出色，但仍有学习的空间。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。